Google anunciou que está trabalhando para melhorar o transito e emissões de CO2 no Rio de Janeiro, o nome do projeto é Green Light otimiza semáforos para reduzir emissões veiculares nas cidades, ajudando a mitigar as mudanças climáticas e melhorando a mobilidade urbana a escolha da cidade foi fortalecida pela iniciativa do Hurb Labs de projetar Barcos Autônomos Tripulados com o objetivo de melhorar o tempo de trânsito do carioca e o investimento do Hurb Labs na Squair.io, líder em otimização de energia em prédios urbanos.
O transporte rodoviário é responsável por uma quantidade significativa de emissões globais e urbanas de gases de efeito estufa. É especialmente problemático nos cruzamentos das cidades, onde a poluição pode ser 29 vezes maior do que nas estradas abertas. Nos cruzamentos, metade destas emissões provém da aceleração do tráfego depois de parar. Embora uma certa quantidade de tráfego pára-e-arranque seja inevitável, parte dele pode ser evitada através da otimização das configurações de tempo dos semáforos. Para melhorar o tempo dos semáforos, as cidades precisam instalar hardware caro ou realizar contagens manuais de veículos; ambas as soluções são caras e não fornecem todas as informações necessárias.
A Green Light usa IA e tendências de condução do Google Maps, com um dos mais fortes conhecimentos de redes rodoviárias globais, para modelar padrões de tráfego e criar recomendações inteligentes para engenheiros de tráfego urbano para otimizar o fluxo de tráfego. Os primeiros números indicam um potencial de redução de até 30% nas paradas e de 10% nas emissões de gases de efeito estufa (1). Ao otimizar cada cruzamento e coordenar os cruzamentos adjacentes, podemos criar ondas de sinais verdes e ajudar as cidades a reduzir ainda mais o tráfego pára-arranca. A Luz Verde está agora ativa em 70 cruzamentos em 12 cidades, 4 continentes, de Haifa, em Israel, a Bangalore, na Índia, a Hamburgo, na Alemanha – e nestes cruzamentos conseguimos poupar combustível e reduzir as emissões para até 30 milhões de viagens de carro por mês.
Green Light reflete o compromisso do Google Research em usar IA para enfrentar as mudanças climáticas e melhorar milhões de vidas em cidades ao redor do mundo.
Como funciona
1. Compreender a intersecção
Com base no nosso esforço de décadas para mapear cidades em todo o mundo, podemos inferir os parâmetros dos semáforos existentes, incluindo: duração do ciclo, tempo de transição, divisão verde (ou seja, tempo e ordem do direito de passagem), coordenação e operação do sensor (atuação). .
2. Medindo tendências de tráfego
Criamos um modelo para entender como o tráfego flui através do cruzamento. Isso nos ajuda a compreender os padrões típicos de tráfego, incluindo padrões de partida e parada, tempos médios de espera em um semáforo, coordenação entre cruzamentos adjacentes (ou falta dela) e como os planos de semáforos mudam ao longo do dia.
3. Desenvolver recomendações para a cidade
Usando IA, identificamos possíveis ajustes no tempo dos semáforos. Compartilhamos esses ajustes como recomendações práticas com a cidade. Os engenheiros de trânsito da cidade analisam as recomendações, aprovam-nas e podem implementá-las facilmente em apenas 5 minutos, utilizando as políticas e ferramentas existentes na cidade.
4. Analisando o impacto
Medimos quantas paradas economizamos para os motoristas e seu impacto nos padrões de trânsito. Em seguida, utilizamos modelos padrão da indústria para calcular o impacto climático destas mudanças. Compartilhamos isso com a cidade parceira e continuamos monitorando quaisquer mudanças futuras necessárias.
Interface de recomendação amigável para cidades parceiras
O painel Green Light fornece recomendações práticas específicas da cidade, mostrando tendências de apoio para cada recomendação, com a opção de aceitar ou rejeitar a sugestão. Após a implementação de uma recomendação, o painel mostra um relatório de análise de impacto.
Por que trazer Luz Verde para sua cidade?
Uma maneira simples e de alto impacto para as cidades se tornarem verdes
Não é necessária compra, instalação ou manutenção de hardware adicional
Cobertura automática, monitoramento e otimização de cruzamentos
Fonte confiável da verdade (com base nas tendências de direção do Google Maps)
Recomendações práticas claras e relatórios de impacto
Como o Hurb usa Machine Learning para escolher as melhores opções de voo para os clientes
Conheça como o Hurb utiliza a tecnologia para melhorar os processos e a experiência do cliente por meio de um projeto de machine learning de ponta a ponta.
Atualmente o principal produto que comercializamos são os pacotes mês fixo , que são compostos por dois elementos principais: a hospedagem e a passagem aérea até o destino. Oferecemos ótimas ofertas aos nossos clientes, vendendo pacotes para viagens com seis ou mais meses de antecedência.
Dentro deste intervalo de tempo, entre a compra e a data da viagem, nosso algoritmo desenvolvido in house faz 250 milhões de buscas por dia efetuando a reserva nos micro-segundos onde os preços se encontram na mínima (há uma grande volatilidade nos preços) conseguimos encontrar o melhor momento para adquirir as passagens e hospedagem, negociando com companhias aéreas e hotéis, bem como utilizando a tecnologia para explorar as oscilações de preços de mercado. Abaixo segue um exemplo de pacote onde o cliente pode viajar em 2024, exceto feriados e períodos de alta temporada. Como no exemplo abaixo onde na data de 19/03/2023 a passagem Rio-Cancun teve o preço mínimo de R$1.343,31 e o preço médio do dia R$3.246,12
Embora as datas dos pacotes sejam flexíveis, o cliente ainda tem algum controle sobre quando irá viajar. Enviamos um formulário solicitando três sugestões de datas em que desejam viajar e tentaremos alocá-las dentro dessas datas ou o mais próximo possível dessas datas (desde que encontremos boas ofertas nessas datas). Encontrar a melhor passagem aérea para o cliente é um desafio, precisamos considerar vários fatores, como: as preferências dos clientes (viajar de manhã ou à noite, disponibilidade de espera por longas conexões), garantir que o preço das passagens aéreas se ajuste nosso orçamento e também as próprias restrições do destino. Por exemplo, Morro do São Paulo é um destino em uma ilha, então o cliente precisa chegar a tempo de pegar o barco até a ilha antes do anoitecer.
Assim que encontrarmos uma passagem aérea adequada para o cliente, nós a enviaremos para que ele aceite ou recuse. Caso eles recusem, temos que encontrar outra opção de passagem aérea para eles e reenviar até que aceitem, o que gera muito retrabalho, custos e também seria prejudicial à experiência do cliente. Quando o cliente rejeita mais de 3 opções, o Hurb negocia outras datas dentro da validade do pacote ou solicita ao cliente o cancelamento do pedido. Além disso, até o desenvolvimento do modelo, os critérios sobre o que é uma passagem aérea adequada eram subjetivos e dependiam do especialista em viagens.
Regulamento do pacote do Hurb.
Para aumentar nossa eficiência e reduzir esse retrabalho, desenvolvemos uma solução de aprendizado de máquina que nos dá a probabilidade de um cliente aceitar uma determinada opção de voo com base nos clientes e nas informações do voo.
Solução
Conforme mencionado acima, o objetivo era minimizar o retrabalho e maximizar a satisfação do cliente, aumentando a taxa de aceitação de voos através de uma solução que nos dá a probabilidade de um cliente aceitar uma opção de voo para que possamos tomar melhores decisões e reduzir a incerteza.
O primeiro passo foi alinhar expectativas e entender o problema do negócio, resolvendo questões como:
Como o modelo seria usado e implementado?
Existe alguma restrição que precisamos considerar, como latência?
Quais são as possíveis entradas do modelo?
Como o modelo deve ser entregue? Como uma API?
Como o modelo será avaliado? Temos uma linha de base?
O que seria um MVP?
Então começamos a explorar os dados disponíveis. Já tínhamos anos de dados de opções de voos anteriores enviados manualmente aos clientes e seu resultado (aceito ou recusado). Portanto, tínhamos um problema de classificação em mãos!
Começámos por avaliar os dados através de uma análise exploratória de dados, que incluiu:
Compreender outliers para encontrar a melhor estratégia para lidar com eles;
Compreender a distribuição dos dados numéricos;
Compreender proporções das variáveis categóricas e sua cardinalidade;
Compreender as correlações entre as variáveis;
Que possível viés os dados poderiam ter?
Encontrar a linha de base humana histórica para o problema.
Os dados históricos que tínhamos já eram conhecidos por terem um viés. Tivemos apenas as opções enviadas ao cliente, que já tinha filtros de especialistas em viagens aplicados. Não era o ideal, o melhor seria ter todas as opções possíveis mostradas ao especialista em viagens e alguma bandeira para identificar qual escolheu enviar, para que pudéssemos entender o padrão por trás da seleção de opções da operadora. Foi declarado como possível melhoria futura, é muito importante documentá-lo.
A engenharia de recursos também foi necessária para obter os recursos necessários, como obter conexão e tempo de viagem, extrair partes de data, extrair timedeltas e muito mais.
Em seguida utilizamos PCA (Análise de Componentes Principais) para entender se as características escolhidas se comportam de forma linear e tentamos separar visualmente as classes. Foi surpreendente encontrarmos um sinal positivo em relação à sua linearidade e podermos visualizar as classes, o que também significou que estávamos no caminho certo para resolver o problema.
A fase de experimentação também testou essa hipótese, na qual testamos diversos algoritmos diferentes, como Regressão Logística, Catboost e Redes Neurais. Tudo hiperajustado usando a estratégia de busca bayesiana.
Conforme constatado na fase exploratória de análise de dados, também estávamos lidando com conjuntos de dados desequilibrados. Portanto, também testamos o uso de estratégias de subamostragem e sobre amostragem, bem como o balanceamento das classes usando pesos.
Além disso, experimentamos diferentes seleções e engenharia de recursos, como o uso de transformação sen/cos em recursos cíclicos ou bucketização e tratamento como categórico. Além disso, experimentamos diferentes transformações categóricas, como um codificador quente e um codificador médio e muito mais.
MLFlow foi usado para rastrear todos os experimentos, salvando parâmetros, hiperparâmetros, métricas, conjuntos de dados, recursos, gráficos e muito mais. Isso foi essencial, pois experimentamos muitas configurações diferentes e precisávamos recuperar esses dados posteriormente para comparar os experimentos.
O projeto visa minimizar o retrabalho. Supondo que se o modelo prevê que o cliente irá rejeitar a opção, não enviaremos, então a única situação em que teríamos que retrabalhar seria o modelo prevendo que o cliente aceitaria, mas acabou rejeitando. Pensando nisso, podemos relacioná-lo com a precisão, onde o rótulo positivo seria a opção aceita. Podemos então assumir que a precisão seria a nossa taxa de aceitação de voos, que é uma métrica de negócio já conhecida e representa o que queremos maximizar. Agora podemos comparar e avaliar nossos experimentos.
Matriz de possíveis resultados de previsão. Imagem do autor.
Alcançamos ótimos resultados com os experimentos. Comparamos a precisão entre eles e também analisamos a distribuição do preço das passagens aéreas daquelas que o modelo previa como recusadas, mas foram aceitas. Isso foi feito para entender a oportunidade perdida, por isso escolhemos o modelo que tinha a melhor precisão sem muitas oportunidades perdidas.
Por fim, para testar o modelo, fizemos um shadow implantation de 3 meses, através do qual observamos um desempenho inferior do modelo comparado ao desempenho do teste durante a fase de treinamento. Era esperado, mas para entender melhor esse comportamento, também verificamos o desvio de dados usando o teste exato de Fisher, o teste de Kolmogorov-Smirnov e algumas abordagens de desvio de dados adversários. Identificamos muitos desvios de dados, que incluíram:
Novos destinos, que ainda não operamos;
Alteração na distribuição dos dados devido à alteração na proporção de destinos nacionais e internacionais;
Operamos clientes que viajarão com alguns meses de antecedência. Portanto, será sempre um subconjunto do treinamento utilizado para avaliar o modelo em produção.
Verificamos com a equipe de operações alguns desvios de dados e percebemos que funcionavam de forma diferente ao longo da semana, algumas semanas eram focadas na emissão, outras nas opções de envio. Portanto, o desvio de dados também dependia de como a equipe estava operando e poderia ser dinâmico.
Portanto, concluímos que a cada mês ainda teríamos algum desvio para lidar. Porém, como vimos, mesmo com o desvio de dados, o modelo ainda era bom o suficiente, acima do limite de produção. Além disso, após reportarmos os resultados aos stakeholders, eles concordaram conosco e aprovaram o modelo.
Implementação
Desenvolvemos a API utilizando o pacote BentoML, que abstrai e empacota o modelo. Em seguida, construímos e implantamos a imagem docker BentoML no Vertex AI. Posteriormente, implementamos e implantamos o modelo em um endpoint usando Vertex AI também.
BentoML é ótimo para abstrair e acelerar o desenvolvimento de APIs. Vertex AI é uma ferramenta excelente e intuitiva para dimensionar e implantar o modelo, os modelos também são versionados dentro do Vertex AI e também podemos testar modelos A/B, o que é uma funcionalidade muito útil.
Agora temos um endpoint que a equipe de operações pode usar para passar as entradas alinhadas e recuperar as probabilidades de aceitação. Foi integrado ao fluxo de trabalho de operações, que recupera as melhores passagens aéreas, verifica se o preço está dentro do limite orçamentário daquela rota e busca os clientes com maior probabilidade de aceitar aquela opção e envia automaticamente se estiver acima de um limite.
Embora não tenhamos observado grande aumento na taxa de aceitação de voos desde a implantação do modelo, tivemos um grande aumento na eficiência da operação, pois ajudou a automatizar parte do processo. Agora podemos escalar nossas operações e enviar mais opções ao cliente.
Manutenção
A implantação não é a última etapa! Temos que monitorar continuamente o modelo para garantir que ele ainda esteja funcionando conforme o esperado, uma vez que os modelos provavelmente ficarão obsoletos com o tempo.
Portanto, criamos dois fluxos de trabalho principais que são executados automaticamente e orquestrados pela ferramenta Flyte que roda em Kubernetes:
Monitore mensalmente o desempenho do modelo nos dois meses anteriores. Isso porque há períodos que o volume da nossa operação diminui porque não operamos em períodos de alta temporada.
Se o desempenho do modelo estiver abaixo de um limite, treine novamente o modelo automaticamente. Usamos uma estratégia simples para escolher os dados para retreinar, um período de janela dos últimos dois anos de dados para retreinar, ele retreina na mesma configuração do modelo, mas faz o hiperajuste novamente. O treinamento é novamente rastreado para MLFlow. Depois, se o desempenho do modelo estiver acima do limite, implante-o na Vertex AI.
A estratégia escolhida foi não treinar novamente se o modelo não fosse quebrado ou o desempenho variasse. Essa abordagem pode não ser a ideal, pois o modelo poderia ser melhor se fosse treinado novamente com novos dados, mas entendemos que era suficiente e não queríamos gastar recursos quando não fossem necessários.
Conforme mencionamos na solução, concluímos que sempre haverá algum grau de desvio de dados comparando os dados de produção e de treinamento. Poderíamos monitorá-lo também, mas atualmente, com a diminuição do COVID-19 estamos aumentando os destinos operados e muita coisa pode mudar no comportamento, por isso preferimos manter a simplicidade e apenas avaliar o desempenho do modelo, retreinando-o mensalmente quando necessário . Em trabalhos futuros adicionaremos um fluxo de trabalho de monitoramento de desvio de dados.
Também é importante mencionar que temos versionamento de modelos tanto no Vertex AI quanto no MLFlow Model Registry e versionamento de código no Github, assim mantemos o controle do que está acontecendo e podemos reverter se algo der errado.
No geral, temos sempre um modelo atualizado na produção e todo o processo é transparente para os stakeholders. Recebemos notificações por e-mail sempre que o fluxo de trabalho é executado e podemos continuar monitorando a latência e os erros na interface do Vertex AI. Além disso, fizemos uma documentação completa no Github e coda explicando todos os processos e decisões tomadas no projeto.
Conclusão
Desenvolvemos um modelo de aprendizado de máquina ponta a ponta que pode prever a probabilidade de um cliente aceitar uma opção de voo. Isso ajudou a escalar nossas operações, reduzindo riscos e custos e também aumentando a satisfação dos clientes.
Além disso, o modelo é constantemente atualizado com novos dados e reagindo às mudanças no comportamento dos clientes. Isso foi possível integrando ferramentas de código aberto, como MLFlow, BentoML e Flyte, com a pilha e ferramentas do Google, como VertexAI e Bigquery.
Nossa equipe de aprendizado de máquina também está melhorando continuamente nossos processos e pilha para agregar valor ao Hurb e, como por produto, ao nosso cliente.
Espero que você tenha gostado deste artigo! Se você quiser fazer parte da nossa equipe de aprendizado de máquina, encontre nossas vagas de emprego aqui . Além disso, você pode conferir mais sobre nosso trabalho no Hurb em nossa página do Medium .
Ada Lovelace nasceu no dia 10 de dezembro de 1815, em Londres, sob o nome de Augusta Ada Byron. Ela era a única filha legítima do poeta Lord Byron e de sua esposa, Lady Anne Isabella Milbanke Byron. Por conta de um relacionamento tumultuado entre seus pais, Ada nunca chegou a conhecer seu pai, que abandonou a família quando ela tinha apenas um mês de idade e faleceu quando ela tinha oito anos.
Infância e Educação
Desde pequena, Ada mostrou uma inclinação para a matemática e a lógica, algo que sua mãe encorajou. Lady Byron, temendo que Ada herde o temperamento volátil e poético de Lord Byron, fez questão de proporcionar a ela uma educação rigorosa em matemática e ciências. Para isso, contratou tutores renomados, como Mary Somerville e Augustus De Morgan.
A amizade com Mary Somerville, uma das primeiras mulheres a serem reconhecidas como cientista, levou Ada a desenvolver um grande interesse por estudos científicos e a introduziu a outras figuras proeminentes da ciência.
Encontro com Charles Babbage
Aos 17 anos, Ada foi apresentada a Charles Babbage, matemático e inventor, durante uma demonstração de sua máquina diferencial, um dispositivo mecânico projetado para realizar cálculos matemáticos. A jovem Ada ficou fascinada pelo projeto, e essa reunião marcou o início de uma longa e produtiva colaboração entre os dois.
Babbage, mais tarde, começou a trabalhar em uma máquina ainda mais ambiciosa, chamada “Máquina Analítica”. Esta invenção foi concebida como um dispositivo de propósito geral que poderia ser programado para realizar qualquer tipo de cálculo.
A Primeira Programadora
O reconhecimento de Ada Lovelace como a primeira programadora do mundo se deve ao seu trabalho com a Máquina Analítica. Em 1843, ela traduziu para o inglês um artigo do matemático italiano Luigi Federico Menabrea sobre a máquina. No entanto, Ada foi além e adicionou suas próprias anotações ao trabalho, que eram tão extensas que acabaram sendo três vezes mais longas que o artigo original.
Nestas anotações, Ada descreveu um algoritmo para a Máquina Analítica processar números de Bernoulli. Esse algoritmo é considerado o primeiro programa de computador da história.
Ada percebeu que a máquina tinha potencial para ir além dos simples cálculos matemáticos. Ela especulou que qualquer conteúdo, seja música, arte ou texto, poderia ser traduzido em números e, assim, ser manipulado pela Máquina Analítica.
Legado
Infelizmente, Ada Lovelace faleceu jovem, aos 36 anos, em 1852. Embora sua visão sobre computação estivesse à frente de seu tempo, o legado de Ada só foi plenamente reconhecido décadas mais tarde, com o advento da era da computação.
Hoje, Ada Lovelace é celebrada não apenas como a primeira programadora, mas também como uma visionária da computação. O Dia de Ada Lovelace, celebrado no segundo dia de terça-feira de outubro, serve como um lembrete de sua contribuição inestimável para o mundo da ciência e tecnologia.
Ada Lovelace foi a primeira programadora de computador, pois em 1842 reconheceu que a máquina era capaz de muito mais do que simples cálculos e escreveu o primeiro algoritmo – indo além da funcionalidade de um simples ábaco para colocar a humanidade numa trajetória para inovações tecnológicas subsequentes.
Considerando que a primeira programadora era uma mulher, a história e as contribuições da computação deveriam, por todos os direitos, parecer muito diferentes. No entanto, como é evidente a partir das estatísticas actuais das mulheres que trabalham em STEM, perdeu-se o dinamismo desses primeiros passos dramáticos. Na verdade, há décadas que as mulheres têm sido gravemente sub-representadas tanto em posições STEM como em posições de liderança e, embora a tendência esteja a mudar, ainda há muitos caminhos a percorrer para alcançar a igualdade.
Apenas 1 em cada 4 executivos de alto escalão são mulheres.
Para cada 100 homens promovidos de nível inicial a gerente, apenas 87 mulheres são promovidas. [1]
37% das mulheres líderes tiveram um colega de trabalho que recebeu o crédito pelos seus esforços, enquanto apenas 27% dos homens passaram pela mesma situação.
32% das mulheres em funções técnicas e de engenharia são muitas vezes as únicas mulheres na sala
As mulheres líderes têm duas vezes mais probabilidade de serem confundidas com alguém mais subalterno.
Existem apenas 12,3 milhões de mulheres (cerca de 35% da força de trabalho) em funções STEM em 2023. [2]
Na tecnologia, as mulheres representam cerca de 24% dos cargos de liderança e nas infraestruturas é apenas 16%. [3]
91% disseram que a discriminação de género continua a ser um obstáculo à carreira e 100% relataram a dúvida e a falta de confiança como um obstáculo, de acordo com um relatório da Society for Women’s Health Research. [4]
Nossa responsabilidade para com a próxima geração
Pessoalmente, ao longo da minha carreira tive experiências positivas e negativas como mulher na área de tecnologia. O lado positivo é que nunca tive que esperar na fila do banheiro em uma conferência de tecnologia. Mas em diferentes épocas e em diferentes funções, fui questionado. Minhas ideias foram desconsideradas apenas para serem adotadas quando um colega sugeriu a mesma abordagem. Disseram-me que sou muito emotivo e que deveria sorrir mais. Disseram-me que sou muito agressivo e intimidador. Disseram-me para observar minha linguagem corporal. Francamente, é exaustivo pensar no número de vezes que me disseram para não ser eu mesmo ao longo dos anos.
Como resposta aprendida a estas experiências, tornei-me uma forte defensora de outras mulheres na tecnologia e uma defensora da reivindicação do seu legítimo espaço em salas de conferência e chamadas Zoom – como deveria ser.
Entretanto, um relatório encomendado pela CW Jobs em Maio de 2022 concluiu que 60% das mulheres que trabalham em carreiras STEM foram inspiradas por modelos, em comparação com apenas 46% dos homens. [5]
Em suma, devemos isso às mulheres que estão atrás de nós, mostrando-lhes o que é possível e almejando posições cada vez mais altas. E se o fizermos, haverá uma vantagem significativa:
A contratação de mulheres para funções STEM traz novas perspectivas e diversidade que tornam os produtos e ofertas mais atraentes e bem-sucedidos.
Um relatório de pesquisa da Accenture e Girls Who Code argumenta que, com aulas de informática e um sistema de apoio adaptado especificamente para meninas no ensino fundamental e continuando até a faculdade, o número de mulheres em empregos de computação poderia crescer de 24% para 39% e gerar US$ 299 bilhões em ganhos acumulados.
As empresas com uma maior proporção de mulheres nos seus conselhos tendem a investir mais em inovação e a ser mais inovadoras. Por exemplo, um estudo recente descobriu que um aumento de 10% na representação feminina nos conselhos de administração estava associado a um aumento de 7% nas patentes e citações de inovação. [6]
Um estudo realizado pelo Hay Group descobriu que as mulheres têm vantagens comprovadas em competências transversais, como profissionalismo, networking, colaboração, comunicação escrita e oral e pensamento crítico – e que as mulheres superam os homens em 11 das 12 competências-chave de inteligência emocional. [7]
Estudos anteriores do BCG e de outras organizações mostram que uma proporção mais equilibrada de mulheres, especialmente em cargos de chefia, estimula a inovação, a resiliência e o desempenho financeiro, entre outros benefícios. Além disso, descobrimos que as mulheres em funções financeiras têm maior probabilidade do que os homens de terem antecedentes multidisciplinares, melhorando potencialmente as suas capacidades para liderar transformações em toda a empresa. [8]
Podemos mudar a narrativa
Ao criar oportunidades para as mulheres em STEM, a nossa indústria colherá recompensas significativas – mas caberá a todos nós criar esse ambiente, tanto homens como mulheres. Iniciar a conversa é apenas o primeiro passo. Para ter sucesso, exigiremos que as mulheres líderes continuem a quebrar barreiras, a encorajar a próxima geração, a liderar pelo exemplo e a conhecer o seu valor.
Algumas coisas para compartilhar com aqueles que estão ensinando, contratando ou orientando mulheres à medida que elas sobem na carreira educacional ou profissional:
Esteja ciente do preconceito. Independentemente das percepções, as estatísticas mostram que a disparidade salarial entre homens e mulheres e a falta de oportunidades para muitas mulheres, em oposição aos seus colegas do sexo masculino, são problemas reais que devem ser resolvidos. Homens e mulheres devem estar conscientes destas realidades e defender oportunidades para as superar, especialmente nas áreas de remuneração, promoção e avaliação.
Tome uma atitude. Aqui estão as etapas proativas que você pode seguir para mudar a narrativa:
Criar ou apoiar programas de mentoria e patrocínio – Ambos são importantes, mas há uma diferença de objetivos entre mentores e patrocinadores. Seja claro quanto à diferença e encontre pessoas em sua rede que possam ajudá-lo em ambos.
Aproveitar programas educativos para aumentar a confiança – Defender o patrocínio empresarial em todos os níveis de ensino, incentivando as raparigas a aprender competências STEM e a fornecer feedback positivo à medida que aprendem.
Assumir riscos em projetos escolares ou profissionais – Novas pesquisas sugerem que as mulheres podem não ser mais avessas ao risco do que os homens, mas as mulheres podem enfrentar mais reações adversas e consequências negativas do que os homens quando assumem riscos no trabalho. Há trabalho a ser feito de ambos os lados para que as mulheres tenham poder para se manifestar e para que a gestão permita falhas rápidas.
Encontrar o equilíbrio entre trabalho e vida pessoal – As mulheres terão sempre dificuldade em encontrar o delicado equilíbrio entre trabalho e casa, mas tornar isto uma prioridade numa organização será benéfico para o recrutamento e para a cultura.
Estas ações são apenas o começo para enfrentar um grande desafio. A próxima geração precisa de ser ousada e ter a convicção de que é capaz de causar enormes impactos numa indústria que é, a partir de hoje, muito dominada por homens e desesperada por novos rostos, vozes e ideias.
O Futuro Aeroporto Comercial de Angra dos Reis e as Joias Escondidas da Costa Verde
O litoral brasileiro é vasto e repleto de belezas que encantam viajantes do mundo inteiro. Em meio a esse cenário, Angra dos Reis e Paraty que se situam na Costa Verde do Rio de Janeiro sempre se destacou por suas paisagens exuberantes, suas águas esmeralda e, claro, por sua rica história. E, em breve, essa região receberá um novo impulso turístico com a construção do aeroporto comercial de Angra dos Reis.
Aeroporto Comercial de Angra dos Reis: A Nova Porta de Entrada
Previsto para tornar-se um dos principais hubs aéreos da região, o novo aeroporto em Angra dos Reis promete incrementar o turismo e facilitar o acesso às maravilhas da Costa Verde. Este projeto evidencia a crescente importância que a região vem ganhando no cenário turístico nacional e internacional.
A infraestrutura do aeroporto é pensada para suportar um tráfego considerável de passageiros, com terminais modernos, tecnologia de ponta e uma pista adequada até mesmo para voos internacionais. Isso significa que, em breve, viajantes do mundo inteiro poderão chegar a Angra diretamente, sem escalas.
Ilha Grande: O Paraíso (Quase) Escondido
Apesar da fama de suas praias, como Lopes Mendes e Aventureiro, a Ilha Grande ainda guarda segredos pouco explorados. Suas trilhas levam a mirantes deslumbrantes, cachoeiras escondidas e praias semi-desertas, onde a sensação é de estar em um paraíso privativo. A biodiversidade marinha também é um espetáculo à parte, tornando o local ideal para mergulho e snorkeling.
Saco dos Mamanguás: O Fiorde Tropical
Poucos sabem, mas a poucos quilômetros de Paraty, encontra-se o Saco dos Mamanguás, considerado o maior fiorde tropical do mundo. Esta formação geológica rara, com montanhas íngremes que mergulham em águas profundas, oferece um cenário deslumbrante e um refúgio para a biodiversidade local.
O Arquipélago Mágico
A região de Angra é pontilhada por centenas de ilhas, cada uma com sua peculiaridade e beleza. Desde as mais badaladas, como a Ilha da Gipóia, até as mais discretas e pouco exploradas, a sensação é de estar em um arquipélago mágico, onde cada ilha esconde uma nova surpresa.
Hospedagem de Luxo na Costa Verde
A infraestrutura hoteleira da região tem acompanhado o crescimento do turismo. Resorts de luxo, pousadas charmosas e até opções mais rústicas, como campings e hostels, compõem o leque de opções. O destaque fica por conta dos hotéis boutique, que oferecem uma experiência mais personalizada, combinando luxo, conforto e integração com a natureza.
Em conclusão, a Costa Verde, com seus tesouros naturais e culturais, está se consolidando como um dos destinos turísticos mais desejados do Brasil. E, com o advento do novo aeroporto comercial de Angra dos Reis, a região se prepara para receber ainda mais visitantes ávidos por descobrir suas maravilhas.
Descubra a Costa Verde com a Hurb.com
Para os viajantes que desejam imergir nas belezas da Costa Verde e desfrutar de toda a exuberância deste arquipélago, a Hurb.com é o parceiro ideal. A plataforma conta com uma vasta seleção de hotéis, desde opções mais luxuosas até alternativas mais econômicas, todos criteriosamente selecionados para garantir uma experiência única aos seus usuários.
Além disso, a Hurb.com oferece pacotes completos que incluem passagens aéreas, hospedagens e, em muitos casos, tours e atividades para explorar o melhor da região. Com a facilidade de planejar e reservar toda a viagem em um único lugar, a experiência se torna ainda mais convidativa.
Não importa se você é um aventureiro em busca de trilhas e praias escondidas, um casal em busca de um refúgio romântico ou simplesmente alguém que quer relaxar à beira-mar; a Hurb.com tem a opção perfeita para cada perfil de viajante.
Então, ao pensar em sua próxima escapada para a deslumbrante Costa Verde, considere a Hurb.com como sua principal aliada para tornar essa jornada inesquecível. A magia do arquipélago espera por você!
Em homenagem ao 45º aniversário do icônico jogo “SPACE INVADERS”, fizemos uma parceria com a TAITO, a desenvolvedora do jogo, e a Unit9 para transformar o mundo em um playground — graças à realidade aumentada (AR).
“SPACE INVADERS: World Defense”, um jogo para celular para Android e iOS , convida jogadores de todo o mundo a sair e defender a Terra. Os Space Invaders aparecem em edifícios e telhados, escondem-se atrás de estruturas e pairam no céu. Através de uma jogabilidade envolvente global, jogadores de todo o mundo têm que trabalhar juntos para salvar o planeta.
Os jogadores exploram seus bairros para descobrir novos Space Invaders e ganhar pontos ao derrotá-los. Eles podem desbloquear power-ups especiais, competir com amigos pela pontuação máxima perto de sua localização e compartilhar suas conquistas nas redes sociais com uma selfie AR.
O jogo é alimentado por nossa API ARCore e Geospatial, usando o entorno imediato do jogador, bem como edifícios próximos, paisagens e outros elementos arquitetônicos para projetar níveis envolventes no mundo real com AR e na tela apenas com 3D. A jogabilidade envolvente se adapta ao mundo real do jogador, incluindo localização, hora e clima local.
A realidade aumentada (AR) está misturando os mundos físico e digital, transformando a maneira como as pessoas compram, aprendem, jogam e interagem com o conteúdo. Marcas e criadores podem usar AR para aproximar seu conteúdo das pessoas e ajudá-las a vivenciar o mundo em uma dimensão totalmente nova. Anunciamos recentemente o Geospatial Creator , que permite que desenvolvedores, criadores e animadores criem e publiquem facilmente experiências imersivas de AR baseadas em localização, sem a necessidade de codificação, e nas ferramentas que eles já conhecem e adoram: Unity e Adobe Aero.
Quer salvar o planeta? Baixe o jogo no Android ou iOS hoje1e junte-se às fileiras de uma força de elite de defesa da Terra para competir em sua vizinhança pela pontuação mais alta. Além disso, você pode aprender mais sobre SPACE INVADERS e a evolução de 45 anos do jogo .
O MUNDO É O SEU PLAYGROUND
Nos últimos 45 anos, os SPACE INVADERS tentaram conquistar o mundo. Eles estão de volta e desta vez vindo de outra dimensão. Como um dos melhores pilotos da Terra, você deve usar a tecnologia avançada da sua nave espacial e suas habilidades especializadas para viajar entre dimensões e defender o planeta. O futuro da Terra está em suas mãos! Este jogo único e envolvente é desenvolvido pela ARCore e pelo Geospatial Creator do Google para criar um playground do mundo real em AR e 3D. Aproveite a jogabilidade clássica em uma dimensão totalmente nova: explore, encontre e derrote SPACE INVADERS em sua vizinhança!
Hoje, o Brasil lançou seu mais novo passaporte, marcando um avanço significativo em termos de segurança, design e tecnologia. O documento, que promete ser um divisor de águas no cenário internacional, traz inovações que o diferenciam não apenas do modelo anterior, mas também de muitos passaportes de outros países.
Detalhes Técnicos
O novo passaporte brasileiro incorpora uma série de características técnicas avançadas:
Chip de Segurança: Assim como muitos passaportes modernos, o novo documento brasileiro possui um chip embutido que armazena dados biométricos do titular, como impressões digitais e fotografia. Esse chip utiliza criptografia de ponta, tornando quase impossível a clonagem ou adulteração dos dados.
Páginas de Polímero: Ao contrário do papel tradicional, o novo passaporte utiliza páginas de polímero, que são mais resistentes à água, rasgos e desgaste geral. Isso aumenta a durabilidade do documento.
Tintas de Segurança: O documento apresenta tintas que só são visíveis sob luz ultravioleta, uma medida adicional para combater falsificações.
Hologramas: Incorporados em várias páginas, os hologramas apresentam imagens que mudam de cor e forma dependendo do ângulo de visão, dificultando ainda mais qualquer tentativa de falsificação.
Diferenças em relação ao modelo anterior
O passaporte anterior, embora contasse com várias medidas de segurança, não possuía a mesma tecnologia avançada do novo modelo. As principais diferenças incluem:
Design: O novo passaporte apresenta um design mais moderno e elegante, com imagens que representam a diversidade cultural e natural do Brasil.
Durabilidade: Como mencionado, o uso de páginas de polímero no novo modelo garante uma vida útil mais longa ao documento.
Maior capacidade de armazenamento no chip: O chip do novo passaporte tem uma capacidade de armazenamento maior, permitindo que mais dados sejam armazenados e acessados rapidamente nas fronteiras.
Comparação com passaportes de outros países
Muitos países já adotaram medidas de segurança semelhantes, como chips de segurança e páginas de polímero. No entanto, o Brasil se destaca pela combinação de todas essas características em um único documento e pelo foco em representar sua rica diversidade cultural e natural no design.
Além disso, enquanto alguns países ainda estão em transição para adotar tecnologias mais avançadas em seus passaportes, o Brasil deu um salto significativo, colocando-se à frente de muitos de seus pares internacionais.
Conclusão
O lançamento do novo passaporte brasileiro é um marco na história dos documentos de viagem do país. Com avanços significativos em segurança e tecnologia, o Brasil não apenas reforça a proteção de seus cidadãos, mas também eleva seu status no cenário internacional, demonstrando compromisso com a inovação e a modernidade.
